23164 ورقة بحثية
تقدم هذه الورقة Olivia، وهو نموذج تأسيسي جديد للسلاسل الزمنية يستفيد من وحدة الموائم (Harmonizer) وآلية الانتباه التوافقي (HarmonicAttention) لمحاذاة مجموعات البيانات عبر كثافة الطيف القدرتي الموحدة، محققاً أداءً هو الأفضل في فئته عبر سيناريوهات التنبؤ بـ "الصفر من الأمثلة"، و"القليل من الأمثلة"، و"الأمثلة الكاملة".
تجادل ورقة الموقف هذه بأن نماذج تقدير العمر لا تعالج البيانات البيومترية لأن الأدلة التجريبية تُظهر افتقارها إلى القدرات التمييزية للهوية المطلوبة لتحديد الهوية الفردية، وتحث المنظمين على التمييز بين هذا المعالجة العابرة وبين تخزين القوالب لتجنب الأعباء القانونية غير الضرورية.
تقدم الورقة البحثية إطار عمل \textsc{MasFACT}، وهو إطار نقل خلفي مدرك للهندسة يخفف من نسيان الطوبولوجيا في الأنظمة متعددة الوكلاء المستمرة عبر الاستفادة من النقل الأمثل لـ "غرو-ف-وارستاينين" المدمج والتكيف الموجه بـ "باك-بيز" للحفاظ على معرفة التعاون التاريخية وإعادة استخدامها عبر المهام المتطورة.
تقدم هذه الورقة إطار عمل ADR، وهو إطار عمل مؤسسي مثبت في بيئات الإنتاج لتأمين وكلاء بروتوكول سياق النموذج (MCP)، والذي يجمع بين القياس عن بُعد عالي الدقة، واختبار الاختراق المنهجي، ونظام كشف ذو مستويين قابل للتوسع للتغلب على تحديات القابلية للملاحظة، والمتانة، والتكلفة، محققاً أداءً فائقاً في عمليات النشر الواقعية وتقييمات المعايير المرجعية.
تقترح هذه الورقة رسومًا بيانية للتنسيق عبر عنق زجاجة المعلومات غير المتجانسة (HIBCG)، وهو إطار عمل مؤصل نظريًا لتعلم التعزيز متعدد الوكلاء التعاوني، يستخدم عنق زجاجة المعلومات الرسومي لاستخلاص مسبق متوافق مع المجموعة لاختيار الحواف بشكل مبدئي، ومبدأ ملء الفراغ لتخصيص سعة الرسائل بشكل أمثل.
تقدم هذه الورقة MiniGPT، وهو تنفيذ مدمج وموحد لنموذج PyTorch في دفتر ملاحظات واحد، يعيد بناء خط معالجة GPT التوليدي (autoregressive) الأساسي من المبادئ الأولى لاستعراض قدرات التدريب والتوليد لنماذج اللغة القائمة على مستوى الحرف (character-level) باستخدام مجموعة بيانات Tiny Shakespeare دون تقديم ابتكارات هيكلية جديدة.
تقترح الورقة البحثية IVF-TQ، وهو فهرس للبحث عن أقرب الجيران التقريبي المتين للتدفقات، والذي يستبدل كتب الرموز المدربة بتدوير عشوائي ثابت وتكميم قياسي محوسب مسبقاً للقضاء على مشكلة تقادم البيانات أثناء عملية استيعاب البيانات المستمرة مع الحفاظ على استدعاء تنافسي عبر مختلف ميزانيات الذاكرة.
تقترح هذه الورقة نظاماً جديداً للإنذار المبكر من الانهيارات الأرضية يستخدم التعلم التبايني المدرك للأمطار والحركة لتوليد تمثيلات قوية تجاه الإزاحة من بيانات الأمطار والتضاريس، مما يحسن دقة التنبؤ بشكل كبير في ظل حالات عدم اليقين المكاني المتأصلة في توقعات هطول الأمطار.
تقترح الورقة البحثية MATE، وهي بنية ذاكرة تحل عمليات ماركوف لاتخاذ القرار السياقية عبر استبدال المعتقدات اللاحقة المستعصية بذاكرة مجمعة بالجمع، مما يحقق أداءً يضاهي نماذج التسلسل القياسية مع تجنب القيود الحسابية وقيود التدرج التي تفرضها نماذج المحولات (Transformers) والشبكات العصبية المتكررة (RNNs).
تقترح هذه الورقة "درجة الطفرة الدلالية" (SMS)، وهي مقياس متوافق مع الإصدارات السابقة يستخدم خمسة عوامل تشغيل دلالية-نطاقية لمعالما معالجة أوجه القصور في اختبار الطفرات النحوية الكلاسيكي في الحوسبة العلمية، مبرهنةً من خلال دراسة واسعة النطاق أنه بينما توفر الطفرات الدلالية المولدة بواسطة النماذج اللغوية الكبيرة تغطية متميزة تتجاوز الطرق التقليدية القائمة على أشجار الإعراب المجردة (AST)، إلا أنها تحقق حجم تأثير متوسط وليس كبيراً في تقييم الكفاية.